工程科学学报.第43卷，第9期：1137-1139.2021年9月 Chinese Journal of Engineering,Vol.43,No.9:1137-1139,September 2021 https://doi.org/10.13374/j.issn2095-9389.2021.09.01.020;http://cje.ustb.edu.cn “健康中国”行动下的智慧医疗 班晓娟⑧ 北京科技大学人工智能研究院.北京100083 ☒通信作者，E-mail:banxj(@ustb.edu.cn 很荣幸能够在《工程科学学报》组织发布《智 异常细胞，使用单阶段的目标检测方法进行分析， 慧医疗》专刊.智慧医疗涉及医学、人工智能、计 从而实现异常细胞的快速检测以及精确定位识别 算机及通信等技术，是一门交叉学科，其研究领域 针对肝细胞癌分化程度的无创性定量估测问题，贾 涵盖电子病历、医疗健康大数据分析与挖掘、医 熹滨等四提出了一种基于自注意力指导的多序列融 疗自然语言处理、智能医学影像分析、智能问答 合肝细胞癌组织学分化程度无创判别计算模型，用 系统、智能辅助诊断、远程医疗、远程会诊、智慧 于协助放射科医生进行肝细胞癌分化程度判别.相 医院、个人隐私保护等方向.为响应“健康中国” 对于几种基准模型和主流模型，该模型拥有最高的 理念，进一步推进智慧医疗技术在医疗领域的深 分类计算性能.针对肺结节图像处理任务，李阳等] 入应用，构建智慧医疗体系和平台助力医院向数 提出了一种基于群体智能优化的多核学习支持向 字化、信息化转型发展，本刊征集了智慧医疗领域 量机算法，解决了单一核函数无法兼顾学习能力与 的学术论文以介绍最新研究进展，旨在为读者提 泛化能力以及模型参数寻优的问题.该方法采用深 供智慧医疗相关研究的新视角、新方向，并推动本 度特征作为输入，提出多项式核和拉普拉斯核凸组 学科的建设和发展.专刊共收录论文15篇，主要 合的多核函数支持向量机算法，并将杂交操作引入 研究方向涵盖了计算机辅助医学诊断、计算机辅 粒子群算法.该方法可以得到较优的分类指标，从 助疾病治疗、计算机辅助健康管理和科普论文 而辅助肺癌早期筛查，针对超声心动图像处理问 4个方面，所用技术涉及医学图像处理技术、医学 题，张文静等提出了一种基于标准切面识别的房 文本处理技术、面向多模态数据的机器学习技术、 间隔缺损智能辅助诊断模型，用于解决图像质量 生理信号检测与分类技术、计算机三维模拟技术 差、噪声多，传统卷积神经网络架构对超声心动图 和人机交互技术等 像的学习能力有限、表达不充分的问题.该方法通 首先，随着计算机技术的不断发展，计算机辅 过对超声心动图像进行切面识别，充分融合其不同 助医学诊断已经成为了协助医生进行疾病诊断的 切面的语义特征，使得诊断的准确率得到明显提升 重要手段之一，这些技术可以辅助专家发现病灶， 针对显微环境下多图融合效率低、失焦扩散效果严 进而提高诊断的敏感性和特异性.根据研究对象的 重的问题，印象等)提出一种最大特征图空间频率 不同，计算机辅助医学诊断任务可分为以下4类： 融合策略，以提高图像可读性，辅助进行精准诊断 (1)基于医学图像处理技术的计算机辅助医学 与病情分析.该方法通过在基于无监督学习的卷积 诊断：包括CT、心电图在内的图像数据在医学诊断 神经网络中增加后处理模块，规避了两两串行融合 方面往往起到决定性作用，对图像数据进行精准判 中冗余的特征提取过程，显著提高了多张图像的多 断可以有效提升诊断的准确性.针对宫颈癌异常细 聚焦图像融合效率.同时，该方法还提出了一种矫 胞检测任务，姚超等山提出了一种新的超大尺寸病 正策略，在保证融合效率的情况下，有效缓解失焦 理图像宫颈癌异常细胞检测策略.该方法通过基于 扩散效应对融合图像质量的影响 深度学习的图像分类网络判断局部区域是否出现 (2)基于文本数据处理技术的计算机辅助医 收稿日期：2021-09-01“健康中国”行动下的智慧医疗 班晓娟苣 北京科技大学人工智能研究院，北京 100083 苣通信作者，E-mail：banxj@ustb.edu.cn 很荣幸能够在《工程科学学报》组织发布《智 慧医疗》专刊. 智慧医疗涉及医学、人工智能、计 算机及通信等技术，是一门交叉学科，其研究领域 涵盖电子病历、医疗健康大数据分析与挖掘、医 疗自然语言处理、智能医学影像分析、智能问答 系统、智能辅助诊断、远程医疗、远程会诊、智慧 医院、个人隐私保护等方向. 为响应“健康中国” 理念，进一步推进智慧医疗技术在医疗领域的深 入应用，构建智慧医疗体系和平台助力医院向数 字化、信息化转型发展，本刊征集了智慧医疗领域 的学术论文以介绍最新研究进展，旨在为读者提 供智慧医疗相关研究的新视角、新方向，并推动本 学科的建设和发展. 专刊共收录论文 15 篇，主要 研究方向涵盖了计算机辅助医学诊断、计算机辅 助疾病治疗、计算机辅助健康管理和科普论文 4 个方面，所用技术涉及医学图像处理技术、医学 文本处理技术、面向多模态数据的机器学习技术、 生理信号检测与分类技术、计算机三维模拟技术 和人机交互技术等. 首先，随着计算机技术的不断发展，计算机辅 助医学诊断已经成为了协助医生进行疾病诊断的 重要手段之一，这些技术可以辅助专家发现病灶， 进而提高诊断的敏感性和特异性. 根据研究对象的 不同，计算机辅助医学诊断任务可分为以下 4 类： （1）基于医学图像处理技术的计算机辅助医学 诊断：包括 CT、心电图在内的图像数据在医学诊断 方面往往起到决定性作用，对图像数据进行精准判 断可以有效提升诊断的准确性. 针对宫颈癌异常细 胞检测任务，姚超等[1] 提出了一种新的超大尺寸病 理图像宫颈癌异常细胞检测策略. 该方法通过基于 深度学习的图像分类网络判断局部区域是否出现 异常细胞，使用单阶段的目标检测方法进行分析， 从而实现异常细胞的快速检测以及精确定位识别. 针对肝细胞癌分化程度的无创性定量估测问题，贾 熹滨等[2] 提出了一种基于自注意力指导的多序列融 合肝细胞癌组织学分化程度无创判别计算模型，用 于协助放射科医生进行肝细胞癌分化程度判别. 相 对于几种基准模型和主流模型，该模型拥有最高的 分类计算性能. 针对肺结节图像处理任务，李阳等[3] 提出了一种基于群体智能优化的多核学习支持向 量机算法，解决了单一核函数无法兼顾学习能力与 泛化能力以及模型参数寻优的问题. 该方法采用深 度特征作为输入，提出多项式核和拉普拉斯核凸组 合的多核函数支持向量机算法，并将杂交操作引入 粒子群算法. 该方法可以得到较优的分类指标，从 而辅助肺癌早期筛查. 针对超声心动图像处理问 题，张文静等[4] 提出了一种基于标准切面识别的房 间隔缺损智能辅助诊断模型，用于解决图像质量 差、噪声多，传统卷积神经网络架构对超声心动图 像的学习能力有限、表达不充分的问题. 该方法通 过对超声心动图像进行切面识别，充分融合其不同 切面的语义特征，使得诊断的准确率得到明显提升. 针对显微环境下多图融合效率低、失焦扩散效果严 重的问题，印象等[5] 提出一种最大特征图空间频率 融合策略，以提高图像可读性，辅助进行精准诊断 与病情分析. 该方法通过在基于无监督学习的卷积 神经网络中增加后处理模块，规避了两两串行融合 中冗余的特征提取过程，显著提高了多张图像的多 聚焦图像融合效率. 同时，该方法还提出了一种矫 正策略，在保证融合效率的情况下，有效缓解失焦 扩散效应对融合图像质量的影响. （2）基于文本数据处理技术的计算机辅助医 收稿日期: 2021−09−01 工程科学学报，第 43 卷，第 9 期：1137−1139，2021 年 9 月 Chinese Journal of Engineering, Vol. 43, No. 9: 1137−1139, September 2021 https://doi.org/10.13374/j.issn2095-9389.2021.09.01.020; http://cje.ustb.edu.cn